[发明专利]网页识别方法及装置、服务器

说明书

本申请提供一种网页识别方法及装置、服务器，该方法包括：计算待检测页面的文档对象模型对应的第一哈希值；基于所述第一哈希值，确定所述待检测页面与钓鱼页面样本的相似度值；根据所述相似度值确定所述待检测页面是否为钓鱼页面。在本申请的技术方案可以实现不以域名为特征识别钓鱼页面，有效地对抗域名的变异。

技术领域

本申请涉及网络技术领域，尤其涉及一种网页识别方法及装置、服务器。

背景技术

钓鱼网站通过模仿或欺骗用户认为此网页为正常网页，骗取用户的登录账号、隐私信息、钱财等进行谋利。钓鱼诈骗者通常采用相似的钓鱼网站模板架设钓鱼网站，当一个域名被检测到为钓鱼网站并被拦截后，由于钓鱼诈骗者拥有大量待更换的域名，钓鱼诈骗者通常会立即更换域名继续诈骗，从而躲避检测。

发明内容

有鉴于此，本申请提供一种新的技术方案，能够有效地对抗域名的变异。

为实现上述目的，本申请提供技术方案如下：

根据本申请的第一方面，提出了一种网页识别方法，包括：

计算待检测页面的文档对象模型对应的第一哈希值；

基于所述第一哈希值，确定所述待检测页面与钓鱼页面样本的相似度值；

根据所述相似度值确定所述待检测页面是否为钓鱼页面。

根据本申请的第二方面，提出了一种网页识别装置，包括：

第一计算模块，用于计算待检测页面的文档对象模型对应的第一哈希值；

第一确定模块，用于基于所述第一哈希值，确定所述待检测页面与钓鱼页面样本的相似度值；

第二确定模块，用于根据所述第一确定模块确定的所述相似度值确定所述待检测页面是否为钓鱼页面。

根据本申请的第三方面，提出了一种服务器，所述服务器包括：

处理器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器，用于计算待检测页面的文档对象模型对应的第一哈希值；基于所述第一哈希值，确定所述待检测页面与钓鱼页面样本的相似度值；根据所述相似度值确定所述待检测页面是否为钓鱼页面。

由以上技术方案可见，本申请基于待检测页面的文档对象模型对应的第一哈希值，通过确定待检测页面与钓鱼页面样本的相似度值，根据相似度值确定待检测页面是否为钓鱼页面，实现了不以域名为特征识别钓鱼页面，有效地对抗了域名的变异。

附图说明

图1示出了本发明的示例性实施例一的网页识别方法的流程示意图；

图2示出了本发明的示例性实施例二的网页识别方法的流程示意图

图3A示出了本发明的示例性实施例三的网页识别方法的流程示意图；

图3B示出了本发明的示例性实施例三中步骤202的流程示意图；

图3C示出了本发明的示例性实施例三中步骤203的流程示意图；

图4A示出了本发明的示例性实施例四的网页识别方法的流程示意图；

图4B为图4A所示实施例中的文档对象模型树结构的示意图；

图4C为图4B中的文档对象模型树结构进行剪枝后得到的文档对象模型树结构的示意图；

图5示出了本发明的示例性实施例五的网页识别方法的流程示意图；

图6示出了本发明的示例性实施例六的网页识别方法的流程示意图；